Всемирный день логики: понимание нечеткой логики и ее роли в искусственном интеллекте

В нашей повседневной жизни мы не всегда можем выбирать между Да и Нет. Это происходит потому, что вы можете столкнуться с ситуациями, когда вам не хватает необходимой информации для принятия решения. Кроме того, вы можете быть озадачены сами.

Например, если кто-то спросит, будете ли вы там в определенный день в следующем месяце, вы, вероятно, не сразу ответите Да или Нет. Потому что вы не можете гарантировать, что будете доступны в этот день в следующем месяце.

Не просто, не так ли?

Термин «нечеткий» относится к чему-то неясному. Когда ситуация неясна, компьютер, как и люди, может быть не в состоянии принять верное или ложное решение. 1 символизирует True в булевой логике, тогда как 0 представляет False.

Напротив, нечеткая логика принимает во внимание все неоднозначности проблемы, где могут быть дополнительные альтернативные значения помимо двоичного Истина и Ложь. Это чрезвычайно полезно для искусственного интеллекта, который должен быть более интуитивным, адаптивным и похожим на человека, чем традиционные машинные операции. По случаю Всемирного дня логики (14 ^января ) давайте разберем эту жизненно важную концепцию.

Как работает нечеткая логика?

Нечеткая логика считает, что человеческое познание является наиболее важной формой данных для получения точных выводов. Эта логика была разработана в 1965 году в Калифорнийском университете в Беркли Лотфи Заде, который ввел термин «нечеткий». Он утверждал, что традиционная компьютерная логика не способна обрабатывать нечеткую или неточную информацию.

Как и люди, компьютеры способны интегрировать широкий диапазон значений, находящихся между True и False. К ним могут относиться Определенно да, Возможно, да, Затрудняюсь сказать, Возможно, нет, а также Определенно нет.

Посмотрите этот простой пример нечеткой логики, чтобы понять, как она работает:

Проблемный вопрос: Сегодня на улице солнечно?

Логическое решение: Да (1) или Нет (0).

В соответствии с обычной булевой алгеброй алгоритм получит указанный вход и выдаст в качестве результата либо Да, либо Нет. Это представлено 1 и 0 соответственно. Однако при использовании нечеткой логики появляются другие возможности.

Нечеткое логическое решение:

• Очень солнечно с редкой облачностью (0,95)
• Умеренно солнечно (0,75)
• Переменная облачность и переменная облачность (0,5)
• Немного солнечно, но в основном облачно (0,3)
• Очень облачно с редкими солнечными периодами (0,1)

Нечеткая логика позволяет получить более широкий диапазон результатов, в том числе «чрезвычайно», «отчасти» и «не совсем», как показано на рисунке. Эти целые числа от 0 до 1 показывают диапазон возможных результатов.

Подход, основанный на нечеткой логике, использует все необходимые данные для решения проблемы. Затем он генерирует оптимальное решение на основе доступных входных данных. В обстоятельствах, когда четкое обоснование не может быть предоставлено, оно обеспечивает приемлемую замену.

Понимание технической архитектуры нечеткой логики

Поскольку это Всемирный день логики, давайте подробнее рассмотрим техническую архитектуру, из которой состоит решение на основе нечеткой логики. Он будет состоять из:

• Центральный модуль для фаззификации : он преобразует ввод, состоящий из неопределенных чисел, в нечеткие подмножества числовых значений, которые логически разделены в соответствии с заданным набором критериев.
• Счетчик правил : он хранит IF-THEN-ELSE-YES-NO — т. е. типы определяемых человеком условных правил.
• Модуль интеллекта : он воспроизводит логику человеческого мышления, создавая нечеткий вывод с использованием входных данных из нечетких модулей и заранее определенных правил.
• Модуль дефаззификации : преобразует нечеткие выходные данные интеллектуального блока в четкие выходные данные.

Нечеткая логика отлично подходит для моделирования сложных ситуаций с нечеткими или искаженными входными данными (например, задач ИИ) из-за ее сходства с процессом принятия решений человеком. Программы нечеткой логики проще создавать, чем обычные логические программы, и они используют меньше инструкций, что снижает объем памяти, необходимый для выполнения систем ИИ.

Роль нечеткой логики в искусственном интеллекте

Многие сложные организационные вопросы не могут быть решены с помощью программных ответов «да/нет» или «черно-белое». В ситуациях, когда ответы иногда неоднозначны, нечеткая логика полезна. Нечеткая логика управляет неточностью или двусмысленностью, связывая несколько показателей правдоподобности высказываний.

• Нечеткая логика и семантика . В своей основной форме анализ дерева решений используется для разработки нечеткой логики. Следовательно, он может служить основой для систем искусственного интеллекта (ИИ), построенных с выводами, основанными на правилах. И нечеткая логика, и нечеткая семантика (например, слова «солнечно» и «слегка», которые не поддаются количественной оценке) имеют решающее значение для программирования систем искусственного интеллекта.
• Известные приложения : технологии и приложения ИИ все еще развиваются в ряде секторов, несмотря на то, что возможности программирования на основе нечеткой логики расширяются. IBM Watson — одна из самых известных систем искусственного интеллекта, использующая нечеткую логику или нечеткую семантику. В банковском секторе инвестиционные отчеты формируются с использованием нечеткой логики, машинного обучения и подобных технологических систем.
• Нечеткая логика и машинное обучение . Иногда нечеткую логику и машинное обучение объединяют, однако они не идентичны. Машинное обучение относится к компьютерным системам, которые копируют человеческий интеллект, изменяя алгоритмы для многократного решения сложных задач. Нечеткая логика — это набор правил или процессов, которые могут работать с неточными наборами данных, но алгоритмы все равно должны быть написаны людьми. Обе области могут быть использованы в искусственном интеллекте и решении сложных вопросов.
• Примеры нечеткой логики . Нечеткая логика может помочь нейронным сетям, интеллектуальному анализу данных, рассуждениям на основе прецедентов (CBR) и бизнес-правилам. Например, нечеткая логика может использоваться в CBR для динамического группирования информации по категориям, что повышает производительность за счет снижения восприимчивости к шуму и выбросам. Нечеткая логика также позволяет профессионалам в области бизнес-правил составлять более эффективные правила. Вот пример пересмотренного правила, использующего нечеткую логику.

Когда количество трансграничных транзакций «большое» (фраза с неоднозначным значением) и транзакция происходит вечером (еще один термин с неоднозначной семантикой), перевод может быть подозрительным.

Нечеткая логика — это то же самое, что и теория вероятностей?

Вероятность и нечеткая логика являются важными понятиями для искусственного интеллекта, но первое имеет больше общего с прогностической аналитикой. Другими словами, вероятность относится к точности прогнозного вывода, сделанного с использованием анализа данных на основе ИИ.

Хотя эти термины могут показаться эквивалентными, нечеткая логика или вероятность не являются взаимозаменяемыми. Нечеткая логика — это мировоззрение с разной степенью правдивости. Вероятность фокусируется на понятиях и утверждениях, которые являются либо истинными, либо ложными — идеями, которые могут быть как правильными, так и неправильными. Вероятность утверждения — это уровень веры в его обоснованность.

Определения нечеткой логики и вероятности отличают их друг от друга. Вероятность связана с событиями, а не фактами, потому что события либо происходят, либо не происходят. Здесь нет места двусмысленности. Нечеткая логика, с другой стороны, стремится уловить сущность неопределенности. В основном это относится к уровню истины.

Теория вероятностей не может быть использована для рассуждений с понятиями, которые вы не можете описать как полностью истинные или ложные.

Что еще можно сделать с нечеткой логикой?

Нечеткая логика имеет приложения в большинстве вычислительных областей, связанных с операциями с данными, включая искусственный интеллект, а также интеллектуальный анализ данных.

Интеллектуальный анализ данных, предмет, который связывает математику, машинное обучение и информатику, представляет собой процесс обнаружения существенных взаимосвязей в массивных наборах данных. Нечеткая логика — это набор правил, которые можно применять к нечетким наборам данных для получения логических выводов. Это полезный метод для обнаружения соответствующих связей в этом типе данных, учитывая, что интеллектуальный анализ данных часто включает неточные измерения.

Используя нечеткую логику, аналитики могут автоматически генерировать сигналы покупки и продажи в некоторых сложных торговых системах. Эти технологии помогают инвесторам приспосабливаться к большому количеству изменчивых рыночных ситуаций, влияющих на их активы.

Такие области, как банковское дело, рыночная аналитика, исследования и т. д., полностью революционизированы искусственным интеллектом, поэтому мы рассказали о нечеткой логике в специальном выпуске, посвященном Всемирному дню логики! Теперь у вас есть кладезь новых инноваций в области искусственного интеллекта, таких как генеративный искусственный интеллект, который может создавать произведения искусства из нескольких слов или фраз, что привело к росту инвестиций в ETF искусственного интеллекта и искусственного интеллекта.